本申请公开了一种主动脉夹层膜的提取方法、装置及设备，在获取CTA图像中的目标切片图像后，识别目标切片图像中的主动脉血管区域。对主动脉血管区域中的每个像素点的二维Hessian矩阵的特征值进行分析，提取到内膜区域。将内膜区域的像素点设置为第一像素值，其他区域的像素点设置为0，生成第一二值图像。对第一二值图像进行腐蚀，可以把第一二值图像中主动脉膜附近区域的像素点的像素值腐蚀去除，生成第二二值图像。将第二二值图像中像素值为第一像素值的像素点聚类为两类，将聚类簇中面积大于第一阈值的连通区域确定为主动脉夹层膜区域，这样对于主动脉区域中有一个或两个主动脉夹层膜区域都可以正确提取。实现准确提取CTA图像中的主动脉夹层膜区域。CTA图像中的主动脉夹层膜区域。CTA图像中的主动脉夹层膜区域。
【技术实现步骤摘要】
一种主动脉夹层膜的提取方法、装置及设备
[0001]本申请涉及医疗影像处理领域，具体涉及一种主动脉夹层膜的提取方法、装置及设备。
技术介绍
[0002]主动脉夹层是指主动脉内的血液从主动脉内膜撕裂处进入主动脉中膜，使中膜分离，沿主动脉长轴方向扩展形成主动脉壁的真腔、假腔分离形态。CTA(CT angiography，CT血管造影)图像是对人体血管注射造影剂的情况下进行CT扫描后得到的图像。CTA图像中血管显影较为明显，可以清楚地显示动脉以及主要分支，能够帮助医生了解患者的供血情况。通过CTA图像医生可以判断患者是否存在主动脉夹层。
[0003]目前存在自动判断CTA图像中是否包含主动脉夹层膜以及定位主动脉夹层膜的区域的需求，但是，目前主动脉夹层膜提取的相关研究工作较少，无法准确提取CTA图像中的主动脉夹层膜。
技术实现思路
[0004]有鉴于此，本申请实施例提供一种主动脉夹层膜的提取方法、装置及设备，以实现准确提取CTA图像中的主动脉夹层膜。
[0005]为解决上述问题，本申请实施例提供的技术方案如下：
[0006]一种主动脉夹层膜的提取方法，所述方法包括：
[0007]获取CTA图像中的目标切片图像，所述目标切片图像为所述CTA图像中的任一切片图像；
[0008]识别所述目标切片图像中的主动脉血管区域；
[0009]根据所述主动脉血管区域中的每个像素点的二维Hessian矩阵的特征值，从所述主动脉血管区域中确定内膜区域；
[0010]将所述内膜区域的像素点设置为第一像素值，其他区域的像素点设置为0，生成第一二值图像；
[0011]对所述第一二值图像进行腐蚀处理，生成第二二值图像；
[0012]对所述第二二值图像中像素值为所述第一像素值的像素点进行二分类聚类，将聚类得到的聚类簇中面积大于第一阈值的连通区域确定为主动脉夹层膜区域。
[0013]在一种可能的实现方式中，所述根据所述主动脉血管区域中的每个像素点的二维Hessian矩阵的特征值，从所述主动脉血管区域中确定内膜区域，包括：
[0014]计算目标像素点的二维Hessian矩阵的特征值；所述目标像素点分别为所述主动脉血管区域中的每个像素点；
[0015]利用所述目标像素点的二维Hessian矩阵的特征值计算所述目标像素点的预测值，所述目标像素点的预测值与所述目标像素点的灰度值呈反比；
[0016]将所述预测值大于第二阈值的像素点确定为内膜区域。
[0017]在一种可能的实现方式中，所述二维Hessian矩阵的特征值包括第一特征值以及第二特征值，所述第一特征值为所述二维Hessian矩阵中第一行主对角线上的元素值，所述第二特征值为所述二维Hessian矩阵中第二行主对角线上的元素值；
[0018]所述利用所述目标像素点的二维Hessian矩阵的特征值计算所述目标像素点的预测值，包括：
[0019]当所述目标像素点的第二特征值小于或等于0，确定所述目标像素点的预测值为0；
[0020]当所述目标像素点的第二特征值大于0，计算所述目标像素点的第一特征值的绝对值与所述目标像素点的第二特征值的绝对值之比，得到第一参数，计算所述目标像素点的第一特征值与所述目标像素点的第二特征值的平方和的平方根，得到第二参数；根据所述第一参数以及所述第二参数计算所述目标像素点的预测值。
[0021]在一种可能的实现方式中，所述计算目标像素点的二维Hessian矩阵的特征值，包括：
[0022]对所述主动脉血管区域计算不同尺度对应的目标像素点的二维Hessian矩阵的特征值。
[0023]在一种可能的实现方式中，所述利用所述目标像素点的二维Hessian矩阵的特征值计算所述目标像素点的预测值，包括：
[0024]利用不同尺度对应的目标像素点的二维Hessian矩阵的特征值，分别计算不同尺度对应的目标像素点的预测值；
[0025]选取所述不同尺度对应的目标像素点的预测值中的最大值，作为所述目标像素点的预测值。
[0026]在一种可能的实现方式中，所述对所述第二二值图像中像素值为所述第一像素值的像素点进行二分类聚类，将聚类得到的聚类簇中面积大于第一阈值的连通区域确定为主动脉夹层膜区域，包括：
[0027]对所述第二二值图像中像素值为所述第一像素值的像素点进行二分类聚类，将聚类得到的聚类簇中的像素点进行区域增长，得到多个连通区域；
[0028]计算每个所述连通区域的面积，将面积大于第一阈值的连通区域确定为主动脉夹层膜区域。
[0029]在一种可能的实现方式中，在对所述第一二值图像进行腐蚀处理，生成第二二值图像之后，所述方法还包括：
[0030]判断所述第二二值图像中第一像素值的像素点数量是否大于第三阈值；
[0031]如果是，执行所述对所述第二二值图像进行二分类聚类，将聚类得到的聚类簇中面积大于第一阈值的连通区域确定为主动脉夹层膜区域；
[0032]如果否，确定所述目标切片图像中不包含主动脉夹层膜区域。
[0033]一种主动脉夹层膜的装置方法，所述装置包括：
[0034]获取单元，用于获取CTA图像中的目标切片图像，所述目标切片图像为所述CTA图像中的任一切片图像；
[0035]识别单元，用于识别所述目标切片图像中的主动脉血管区域；
[0036]第一确定单元，用于根据所述主动脉血管区域中的每个像素点的二维Hessian矩
阵的特征值，从所述主动脉血管区域中确定内膜区域；
[0037]第一生成单元，用于将所述内膜区域的像素点设置为第一像素值，其他区域的像素点设置为0，生成第一二值图像；
[0038]第二生成单元，用于对所述第一二值图像进行腐蚀处理，生成第二二值图像；
[0039]第二确定单元，用于对所述第二二值图像中像素值为所述第一像素值的像素点进行二分类聚类，将聚类得到的聚类簇中面积大于第一阈值的连通区域确定为主动脉夹层膜区域。
[0040]一种主动脉夹层膜的提取设备，包括：存储器，处理器，及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如上述的主动脉夹层膜的提取方法。
[0041]一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行如上述的主动脉夹层膜的提取方法。
[0042]由此可见，本申请实施例具有如下有益效果：
[0043]本申请实施例在获取CTA图像中的目标切片图像后，识别目标切片图像中的主动脉血管区域。对主动脉血管区域中的每个像素点的二维Hessian矩阵的特征值进行分析，可以提取到内膜区域，即主动脉夹层膜区域以及主动脉膜附近区域。然后，将内膜区域的像素点设置为第一像素值，其他区域的像素点设置为0，生成第一二值图像。对第一二值图像进行腐蚀，可以把第一二值图像中主动脉膜附近区域的像素点本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种主动脉夹层膜的提取方法，其特征在于，所述方法包括：获取CTA图像中的目标切片图像，所述目标切片图像为所述CTA图像中的任一切片图像；识别所述目标切片图像中的主动脉血管区域；根据所述主动脉血管区域中的每个像素点的二维Hessian矩阵的特征值，从所述主动脉血管区域中确定内膜区域；将所述内膜区域的像素点设置为第一像素值，其他区域的像素点设置为0，生成第一二值图像；对所述第一二值图像进行腐蚀处理，生成第二二值图像；对所述第二二值图像中像素值为所述第一像素值的像素点进行二分类聚类，将聚类得到的聚类簇中面积大于第一阈值的连通区域确定为主动脉夹层膜区域。2.根据权利要求1所述的方法，其特征在于，所述根据所述主动脉血管区域中的每个像素点的二维Hessian矩阵的特征值，从所述主动脉血管区域中确定内膜区域，包括：计算目标像素点的二维Hessian矩阵的特征值；所述目标像素点分别为所述主动脉血管区域中的每个像素点；利用所述目标像素点的二维Hessian矩阵的特征值计算所述目标像素点的预测值，所述目标像素点的预测值与所述目标像素点的灰度值呈反比；将所述预测值大于第二阈值的像素点确定为内膜区域。3.根据权利要求2所述的方法，其特征在于，所述二维Hessian矩阵的特征值包括第一特征值以及第二特征值，所述第一特征值为所述二维Hessian矩阵中第一行主对角线上的元素值，所述第二特征值为所述二维Hessian矩阵中第二行主对角线上的元素值；所述利用所述目标像素点的二维Hessian矩阵的特征值计算所述目标像素点的预测值，包括：当所述目标像素点的第二特征值小于或等于0，确定所述目标像素点的预测值为0；当所述目标像素点的第二特征值大于0，计算所述目标像素点的第一特征值的绝对值与所述目标像素点的第二特征值的绝对值之比，得到第一参数，计算所述目标像素点的第一特征值与所述目标像素点的第二特征值的平方和的平方根，得到第二参数；根据所述第一参数以及所述第二参数计算所述目标像素点的预测值。4.根据权利要求2所述的方法，其特征在于，所述计算目标像素点的二维Hessian矩阵的特征值，包括：对所述主动脉血管区域计算不同尺度对应的目标像素点的二维Hessian矩阵的特征值。5.根据权利要求4所述的方法，其特征在于，所述利用所述目标像素点的二维Hessian矩阵的特征值计算所述目标像素点的预测值，包括：利用不同尺度对应的目标像素点的...
【专利技术属性】
技术研发人员：张迪，彭成宝，张霞，
申请(专利权)人：沈阳东软智能医疗科技研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。